Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/BUOS-8CVJ45
Type: | Dissertação de Mestrado |
Title: | Detecção e classificação de faltas em linhas de transmissão utilizando transformada Wavelet e rede lógica neurofuzzy com aprendizado participativo |
Authors: | Maurilio Jose Inacio |
First Advisor: | Walmir Matos Caminhas |
First Referee: | Glassio Costa de Miranda |
Second Referee: | Clever Sebastiao Pereira Filho |
Third Referee: | Marcos Flávio Silveira Vasconcelos D'Angelo |
Abstract: | Nos Sistemas Elétricos de Potência a linha de transmissão é o elemento mais vulnerável, pois está sujeita a faltas provocadas por fatores externos e internos. Sistemas de proteção são empregados para minimizar os impactos causados pelas faltas sendo que, atualmente, os relés digitais cumprem o papel principal no diagnóstico das faltas. Diversos algoritmos para diagnóstico de faltas podem ser utilizados nos relés digitais e, recentemente, as pesquisas têm se concentrado no uso de técnicas de análise de sinais e em sistemas inteligentes, na tentativade superar as desvantagens dos métodos convencionais. Neste trabalho é apresentada uma metodologia de detecção e classificação de faltas do tipo curto-circuito e tipo circuito aberto em linhas de transmissão. A metodologia proposta utiliza a Transformada Wavelet para detecção da falta e utiliza a Rede Lógica Neurofuzzy para classificação da mesma, a partir da extração de informações dos sinais de tensão e corrente da linha de transmissão. No treinamento da Rede Lógica Neurofuzzy foi incluído o Aprendizado Participativo na etapa degeração das funções de pertinência dos subconjuntos fuzzy. Os algoritmos foram implementados em um Sistema de Detecção e Classificação de Faltas e resultados obtidos através de simulações demonstraram a robustez e eficiência da metodologia proposta. |
Abstract: | In the Power Electric Systems the transmission line is the most vulnerable element, since they are subject to faults caused by external and internal factors. Protection systems are employed to minimize the impacts caused by the faults and, currently, digital relays meet thelead role in the fault diagnosis. Several algorithms for fault diagnosis can be used in digital relays and, recently, researches have focused on the use of techniques of signal analysis and intelligent systems, in an attempt to overcome the disadvantages of conventional methods. This work presents a methodology for fault detection and classification of shortcircuit and open circuit faults on transmission lines. The proposed methodology uses the Wavelet Transform for detection and uses the Logic Neurofuzzy Network for classification of the fault, from the extraction of information of current and voltage signals of the transmissionline. In the training of the Logic Neurofuzzy Network was included the Participatory Learning in step generation of membership functions of fuzzy subsets. The algorithms were implemented in a Fault Detection and Classification System and results obtained through simulations had demonstrated the robustness and efficiency of the methodology proposal. |
Subject: | Engenharia elétrica |
language: | Português |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/BUOS-8CVJ45 |
Issue Date: | 31-May-2010 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
maurilio_jos__inacio.pdf | 2.33 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.